基于运动链建模的腿式机器人本体感知状态估计
机器人学
2022-12-20 v3
摘要
腿式机器人 locomotion 是一项具有挑战性的任务，源于诸多子问题，例如足端接触的混合动力学以及期望步态对地形的影响。对浮动基和足部关节的准确高效状态估计可通过向机器人控制器提供反馈信息来缓解诸多此类问题。当前的状态估计方法高度依赖视觉与惯性测量的结合以提供实时估计，因而在感知贫乏的环境中受限。本文中，我们展示通过因子图公式利用机器人的运动链模型，可主要基于本体感知惯性数据对基座和腿部关节进行状态估计。我们在基于因子图的框架中结合预积分IMU测量、正向运动学计算和接触检测来执行状态估计，使我们的状态估计受机器人模型约束。仿真与硬件实验结果表明，我们的方法平均优于当前本体感知状态估计方法27%，且可泛化至多种腿式机器人平台。我们在多种轨迹上从定量与定性两方面展示了结果。
引用
@article{arxiv.2209.05644,
title = {Proprioceptive State Estimation of Legged Robots with Kinematic Chain Modeling},
author = {Varun Agrawal and Sylvain Bertrand and Robert Griffin and Frank Dellaert},
journal= {arXiv preprint arXiv:2209.05644},
year = {2022}
}
备注
Published in Humanoids 2022